{"title":"https://jurnal.fmipa.unila.ac.id/komputasi/issue/view/146/showToc","authors":"Aisyah Nur Fahira, Rani Nooraeni","doi":"10.23960/komputasi.v11i1.3175","DOIUrl":null,"url":null,"abstract":"Spatio Temporal DBSCAN (ST-DBSCAN) adalah metode yang dapat diterapkan pada data spasial yang diikuti dengan atribut temporal. Hasil dari ST-DBSCAN tergantung pada penentuan awal tiga parameter. Inisial parameter yang tidak optimal menyebabkan hasil pengelompokan dengan ST-DBSCAN tidak mencapai solusi yang global optimum. Penelitian ini bertujuan untuk mengoptimalkan penentuan parameter awal pada ST-DBSCAN menggunakan metode k Nearest neighborhood dan Algoritma Genetika yang diuji menggunakan data simulasi kemudian diterapkan dalam pengelompokan wilayah bencana alam. Hasil yang didapatkan adalah pemilihan parameter yang dioptimasi menggunakan algoritma genetika menghasilkan cluster dengan koefisien CDBw terbesar pada perbandingan evaluasi, akan tetapi perlu waktu yang lama untuk merunning sehingga metode tersebut diuji coba dengan data dengan jumlah observasi sedikit. Hasil dari implementasi metode terhadap data bencana alam menunjukkan terdapat 22 cluster","PeriodicalId":292117,"journal":{"name":"Jurnal Komputasi","volume":"11 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"https://jurnal.fmipa.unila.ac.id/komputasi/issue/view/146/showToc\",\"authors\":\"Aisyah Nur Fahira, Rani Nooraeni\",\"doi\":\"10.23960/komputasi.v11i1.3175\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Spatio Temporal DBSCAN (ST-DBSCAN) adalah metode yang dapat diterapkan pada data spasial yang diikuti dengan atribut temporal. Hasil dari ST-DBSCAN tergantung pada penentuan awal tiga parameter. Inisial parameter yang tidak optimal menyebabkan hasil pengelompokan dengan ST-DBSCAN tidak mencapai solusi yang global optimum. Penelitian ini bertujuan untuk mengoptimalkan penentuan parameter awal pada ST-DBSCAN menggunakan metode k Nearest neighborhood dan Algoritma Genetika yang diuji menggunakan data simulasi kemudian diterapkan dalam pengelompokan wilayah bencana alam. Hasil yang didapatkan adalah pemilihan parameter yang dioptimasi menggunakan algoritma genetika menghasilkan cluster dengan koefisien CDBw terbesar pada perbandingan evaluasi, akan tetapi perlu waktu yang lama untuk merunning sehingga metode tersebut diuji coba dengan data dengan jumlah observasi sedikit. Hasil dari implementasi metode terhadap data bencana alam menunjukkan terdapat 22 cluster\",\"PeriodicalId\":292117,\"journal\":{\"name\":\"Jurnal Komputasi\",\"volume\":\"11 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-04-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Komputasi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.23960/komputasi.v11i1.3175\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23960/komputasi.v11i1.3175","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Spatio Temporal DBSCAN (ST-DBSCAN) adalah metode yang dapat diterapkan pada data spasial yang diikuti dengan atribut temporal. Hasil dari ST-DBSCAN tergantung pada penentuan awal tiga parameter. Inisial parameter yang tidak optimal menyebabkan hasil pengelompokan dengan ST-DBSCAN tidak mencapai solusi yang global optimum. Penelitian ini bertujuan untuk mengoptimalkan penentuan parameter awal pada ST-DBSCAN menggunakan metode k Nearest neighborhood dan Algoritma Genetika yang diuji menggunakan data simulasi kemudian diterapkan dalam pengelompokan wilayah bencana alam. Hasil yang didapatkan adalah pemilihan parameter yang dioptimasi menggunakan algoritma genetika menghasilkan cluster dengan koefisien CDBw terbesar pada perbandingan evaluasi, akan tetapi perlu waktu yang lama untuk merunning sehingga metode tersebut diuji coba dengan data dengan jumlah observasi sedikit. Hasil dari implementasi metode terhadap data bencana alam menunjukkan terdapat 22 cluster
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
